Das Programm enthüllt die Lügen einer Person in der Videoaufzeichnung mit einer Genauigkeit von 75%

David Camerons Gesichtsausdruck kann als Wunsch interpretiert werden, die Blase unter Kontrolle zu halten: Laut Wissenschaftlern macht eine volle Blase eine Lüge überzeugender

. Wenn Sie das nächste Mal während des Verhörs lügen, überlegen Sie es sich zweimal - lohnt es sich? Selbst wenn Sie den oben genanntenTrick von David Cameronanwendenund etwas Wasser trinken, wird dies nicht vor der Exposition schützen. Erfahrene Experten können die Wahrheitmit einer Genauigkeit von 65% erkennen. Und dies ist weit von der Grenze entfernt, insbesondere wenn moderne maschinelle Lernsysteme ins Spiel kommen.

Es ist für einen normalen Menschen selbstverständlich, die Wahrheit zu sagen. Wenn versucht wird, diesen Impuls zu unterdrücken - das heißt, wenn Lügen komponiert werden -, muss der Körper Anstrengungen unternehmen, die Aktivität des Gehirns nimmt erheblich zu, der Körper erfährt Stress. Infolgedessen äußert sich die Impulsunterdrückung in einer Änderung der physikalischen Parameter des Körpers: Puls, Schwitzen, Klangeigenschaften der Stimme usw. Lügen sind durch Gesichtsausdruck, Gesten, Haltung und andere verbale und nonverbale Zeichen sichtbar.

Leider, wie schlecht wir lügen - wir erkennen Lügen genauso schlecht. Dies erfordert eine spezielle Ausbildung.

Wie bereits erwähnt, identifizieren Experten wahrheitsgemäße / falsche Aussagen in nur 65% der Fälle korrekt durch Mimik und Gesten. Gewöhnliche Menschen kommen in etwa 59,5% der Fälle damit zurecht. Und jetzt ist es Experten der University of Michigan in Ann Arbor gelungen, ein Softwaresystem zu entwickeln , das in 75,2% der Fälle eine wahrheitsgemäße Aussage korrekt identifiziert, dh sogar besser als eine Person.

Für den Klassifikator verwendeten Rada Mihalcea und Kollegen 121 Videos aus Gerichtsverhandlungen, von denen 61 Videos mit falschen Aussagen und 60 Videos mit wahren Aussagen waren. Die durchschnittliche Dauer von Videos beträgt 28 Sekunden.

Gerichtsverhandlungen sind eine ideale Quelle für solche Daten, da Mimik und Gesten dort stärker ausgeprägt sind. Die Angeklagten sind sehr daran interessiert, geglaubt zu werden, deshalb zeigen sie deutlich Gesten und Mimik.

Die Informationsquelle sind Menschenrechtsprojekte wie das Innocence Project . Dies ist eine Gruppe, die für die Rehabilitation von zu Unrecht verurteilten Bürgern kämpft.


Der Angeklagte Andrea Sneiderman gibt falsche Aussagen

Während des Trainings wurde die Videosequenz von einer Texttranskription mit einer Beschreibung der Gesten und Gesichtsausdrücke der Angeklagten sowie mit dem Text ihrer Worte begleitet. Beispielsweise werden die folgenden Zeichen in den Bildern aus den Videos beginnend in der oberen linken Ecke angezeigt: Vorwärtsbewegung des Kopfes (in diesem Fall hat der Prozess ein falsches Zeugnis festgestellt), Bewegung mit zwei Händen (falsches Zeugnis), Bewegung mit einer Hand (falsches Zeugnis), hochgezogene Augenbrauen (wahres Zeugnis) ), runzelte die Augenbrauen (falsches Zeugnis), schau auf (wahres Zeugnis).



Die Transkription der Videos wurde mit dem Crowdsourcing-Dienst von Amazon Mechanical Turk erstellt, der häufig für maschinelles Lernen verwendet wird.

Die Verteilung von neun Merkmalen von Gesichtsausdrücken und Handbewegungen in der endgültigen Stichprobe der Klassifikatordaten ist im Diagramm dargestellt.



Während des Tests wurde eine schrittweise Bewertung von wahr / falsch durch drei Gruppen von Probanden (A1, A2, A3) und ein Computersystem (Sys) schrittweise durchgeführt. Zuerst wurde nur der Text ausgewertet, dann der Soundtrack, dann die Videosequenz ohne Ton und schließlich ein vollwertiges Video mit allen verbalen und nonverbalen Zeichen. Infolgedessen übertraf das Programm die Genauigkeit der Lügenerkennung in jeder Phase, mit Ausnahme der Audiospur, erheblich. Manchmal ist die Computerleistung deutlich besser als die des Menschen.



In Zukunft können solche Systeme verwendet werden, um Lügner automatisch in Echtzeit zu erkennen. Dies ist eine nützliche Technologie für Schiffe, Flughäfen, Kreditabteilungen von Banken, Besprechungsräume usw.

Die Autoren präsentierten die Ergebnisse ihrer Arbeit am 10. November 2015 auf der Internationalen Konferenz der Konferenz für multimodale Interaktion (ACM ICMI 2015). Der Artikel "Täuschungserkennung unter Verwendung realer Versuchsdaten" kann unter diesem Link kostenlos studiert werden ( pdf ).

Source: https://habr.com/ru/post/de386607/